آموزش اتوماسیون خط لوله‌های یادگیری ماشین برای دستیابی به حداکثر کارایی - آخرین آپدیت

دانلود Automate ML Pipelines for Peak Performance

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: در این دوره آموزشی، شما نحوه ساخت یک خط لوله (Pipeline) کاملاً خودکار برای یادگیری ماشین را با استفاده از scikit-learn خواهید آموخت. شما یاد می‌گیرید که چگونه ویژگی‌های عددی را مقیاس‌بندی کنید، متغیرهای دسته‌ای را کدگذاری نمایید، یک مدل لجستیک را آموزش دهید و آن را با استفاده از GridSearchCV بهینه‌سازی کنید. سپس این دوره شما را در بسته‌بندی این گردش کار به صورت یک ماژول قابل استفاده مجدد هدایت می‌کند که با استانداردهای مهندسی ML و عملیات یادگیری ماشین (MLOps) در دنیای واقعی مطابقت داشته باشد. از طریق ویدیوهای concise، متون ساختاریافته، دو جلسه تعاملی ۱۵ دقیقه‌ای با مربی، یک فعالیت عملی ۲۵ دقیقه‌ای و یک آزمایشگاه ۴۵ دقیقه‌ای بدون نمره، ساخت و اصلاح یک خط لوله جامع (End-to-End) را تمرین خواهید کرد. در پایان، شما یک گردش کار خودکار و صیقل‌خورده خواهید داشت که می‌توانید در پروژه‌های یادگیری ماشین یا سیستم‌های عملیاتی خود از آن استفاده کرده و آن را تطبیق دهید.

سرفصل ها و درس ها

اتوماسیون خط لوله‌های یادگیری ماشین برای حداکثر کارایی Automate ML Pipelines for Peak Performance

چرا اتوماسیون باعث بهبود عملکرد یادگیری ماشین می‌شود Why Automation Improves ML Performance
مبانی خط لوله: مقیاس‌بندی، کدگذاری و ساختار گردش کار Pipeline Fundamentals: Scaling, Encoding, and Workflow Structure
خودکارسازی بهینه‌سازی مدل با GridSearchCV Automating Model Optimization with GridSearchCV
تبریک و مسیر یادگیری مستمر Congratulations and Continuous Learning Journey